2.2 油藏模型建立

        通常Petrel平台下地质模型网格尺寸较大（如边长50m），压裂缝间距通常为5-30m，CMG采用局部网格加密方式模拟裂缝，缝间距最小为一个网格尺寸。因此Petrel平台下的网格导入CMG后，因网格尺寸问题无法对缝间距进行优化。本文将初始Petrel地质模型导入CMG后，充分考虑了模型的非均质性，利用CMG局部网格加密功能对网格进行加密操作，从而实现小网格非均质油藏模型构建。

        如图6所示，油藏模型的网格数量为690×3170×5（I×J×K），网格尺寸为5m×5m×10m，该四井平台模型的渗透率和孔隙度分布均为非均质。如图7所示，该储层纵向分为5层，每层渗透率差异较大，主要分布在0.32-10.9 mD，其中3、4、5层渗透率总体大于1、2层，利于油气渗流。该储层非均质性较强，孔隙度差异相对较大，主要分布区间为2%-36%，其中3、4层的孔隙度总体大于1、2、5层。采用局部网格加密方法分层交错建立平板裂缝模型。其他储层属性和流体参数见表1。

2.3 模型假设条件与关键参数

        本文重点优化四井平台的井间距、缝间距等七维参数，实现累产油最大化。由于待优化参数维度高、计算时间长，为提高模型运算效率，设定模型假设条件如下。

        ①四井平台区块的地质力学性质相同；

        ②同一水平井中水力裂缝性质相同；

        ③为降低优化参数维度，通过单因素分析法优先确定了最优的裂缝半长和裂缝导流能力。

        为评估不同裂缝半长和裂缝导流能力下单井产能变化，设计裂缝半长分别为60m、80m、100m、120m、140m，其他参数保持一致，计算结果如图8所示。裂缝导流能力范围在1200-1600 mD·m之间对单井累产的影响不明显，结合经济指标，导流能力在1400 mD·m时经济效益最好。裂缝半长小于100m时，随着裂缝长度的增加，油井的产能提升较为明显；裂缝半长大于100m后，油井的产能提升趋于平稳，因此本文将四井平台的裂缝半长设置为100m。根据优化结果，模型的水力裂缝半长设置为100m，导流能力设置为1400mD·m。

3. 优化结果对比分析

将四井平台三个井距参数初始值（W_S,1、W_S,2、W_S,3）设置为300m，以储层中心线对称布置四口水平井，每口水平井均匀设置24条水力裂缝，四口井裂缝间距的初始值（f_S,1、f_S,2、f_S,3、f_S,4）设置为40m。图9为布井布缝方案示意图，优化参数及取值范围见表2。

3.1 两种算法性能对比

        本文采用差分进化算法和粒子群算法进行井距缝距智能优化，设置最大迭代步数为F90，迭代结果如图10所示。粒子群算法的收敛速度更快且获得了更高的累产油结果。粒子群算法收敛速度快，寻优精度高，容易取得全局最优，同时不需要梯度信息且易于实现，能够简化优化过程。因此，该区块在井距缝距优化中更适合采用粒子群算法。

3.2 优化后七维参数取值

        本研究主要对四口井的井间距、裂缝间距等七个参数进行优化，优化后得到的具体参数值见表3。图11为优化前、后的产能对比图，红色曲线对应最优方案，黑色曲线对应初始方案。智能优化方法能够综合考虑七维参数之间的相互影响，相对单因素分析法优化的结果更加合理，得到四井平台单井的稳产周期更长，产量递减速度更慢，相较于未优化的方案累计产量提高了16.3%。由图12的优化前后的孔隙压力对比图可知，井间距和缝间距共同影响产量大小，且二者之间相互干扰。间距太小，引起生产竞争，部分区域被重复动用，造成压裂作业浪费；间距太大，部分区域无法得到有效波及，造成储层未充分动用。合理的缝间距和井间距既可以避免缝间/井间产生干扰，又可以充分改造储层，提高储层的缝控储量，使得孔隙压力场的波及面积变大。优化后方案的生产效果要优于初始方案。

4. 结论

        通过耦合智能优化算法和压裂井组油藏模拟平台，对玛湖砾岩油藏典型区块某四井平台井间距和缝间距开展了同步优化工作，主要结论如下。

       1）将Petrel平台所建立的精细地质模型导入CMG油藏数值模拟平台，建立井组精细压裂产能预测模型，结合智能优化算法，可对井组压裂高维参数进行智能优化。

       2）井距和缝距的匹配性显著影响井组改造效果，优化后四井平台的缝间距分别为10m、15m、30m和30m，井间距分别为335m、295m、285m，优化后的井组产能比基础模型提高约16.3%。

       3）对比两种智能优化算法，粒子群算法的收敛速度更快，累计产油量更高。粒子群算法更适用于目标区块的参数优化。